3D人臉識別研究探索

形變模型由M個(gè)人臉樣本數據構成，這些數據分別表示為它的3D形狀和紋理兩部分，也可寫(xiě)成M個(gè)樣本圖像的質(zhì)心坐標表達式，即：
是形狀協(xié)方差矩陣Cs的特征值。p(β)的計算與p(α)的計算類(lèi)似。
最終定義的3DMM為[smodel(α)，tmodel(β)]，由兩個(gè)變量參數確定a=[a1，a2，…，aM]T，b=[b1，b2，…，bM]T。這樣，任意新的人臉都可以通過(guò)變化a，b來(lái)控制其形狀和紋理。

2 基于視頻圖像的識別算法
特征臉?lè )椒ㄍǔ＠弥鞣至糠治鲞M(jìn)行降維和提取特征。該方法選擇與原數據協(xié)方差矩陣前幾個(gè)最大特征值對應的特征向量構成一個(gè)組基，以達到最佳表征原數據的目的。在人臉識別中，由一組特征臉基圖像張成一個(gè)特征臉子空間，任何一幅人臉圖像(減去平均人臉后)都可投影到該子空間，從而得到一個(gè)權值向量。圖3所示是一個(gè)主分量分析的應用舉例。圖中最左邊的圖像為平均臉，其他為對應7個(gè)最大特征值的特征向量。

但是，3D人臉識別是通過(guò)自動(dòng)檢測人臉區，從視頻中提取特征后才識別出人臉的身份。雖然視頻人臉識別是基于靜態(tài)圖像的人臉識別的直接擴展，但一般認為，視頻人臉識別算法需要同時(shí)用到空間和時(shí)間信息，它的時(shí)間連續性是視頻圖像的一個(gè)非常重要的特性，包括由此產(chǎn)生的人臉信息的不確定性。視頻人臉識別算法和基于靜態(tài)圖像的人臉識別算法的最大區別就是在人臉跟蹤和識別中利用時(shí)間信息。目前這類(lèi)算法大致可分為兩類(lèi)：
(1)跟蹤-然后-識別，這類(lèi)方法首先檢測出人臉，然后跟蹤人臉特征隨時(shí)間的變化。只在跟蹤階段用到時(shí)間信息。識別還是采用基于靜態(tài)圖像的方法，而沒(méi)有用到時(shí)間信息。
(2)跟蹤-且-識別，這類(lèi)方法中，人臉跟蹤和識別是同時(shí)進(jìn)行的，在跟蹤階段和識別階段都要用到時(shí)間信息。

3 3D人臉識別存在的問(wèn)題
近幾年才開(kāi)始研究將三維方法用于人臉機器識別，目的是為了彌補二維方法的不足，或者是解決二維方法所無(wú)法根本解決的問(wèn)題。
目前，三維人臉識別的處理方法和手段還是處于發(fā)現時(shí)期，其本身還不成熟，主要存在以下困難：
(1)海量存儲和計算的困難。由于三維識別過(guò)程中處理的數據容量和計算量十分巨大，對于一般計算機來(lái)說(shuō)，它們的存儲和運算還比較困難；
(2)信息來(lái)源方面的困難。由于三維識別的完整信息難于獲取或者識別的信息往往不完整，同時(shí)，再加上圖像采集設備的差異和成像原理的不同，都可能造成識別算法本身不可糾正的錯誤；
(3)對人的生理認識的不足。由于計算機沒(méi)有人的經(jīng)驗和知識功能，而只有計算功能，同時(shí)由于對肌肉的運動(dòng)理論和表情形成等問(wèn)題，現在還不能提供給計算機足夠的專(zhuān)家支持；
(4)受環(huán)境和條件的約束。影響二維識別的不利因素在三維識別上同樣存在，如光線(xiàn)的強弱、方向、遮蓋、陰影、背景等；
(5)實(shí)現方式和手段的不足。傳統的識別方法不能滿(mǎn)足三維識別的要求，必須改進(jìn)或采用新的方法。例如由于動(dòng)態(tài)圖像的計算量太大，因此，適用于靜態(tài)圖像處理的神經(jīng)網(wǎng)絡(luò )就變得不適合了。

4 結語(yǔ)
3D人臉的研究始于計算機動(dòng)畫(huà)和生物醫學(xué)成像。計算機動(dòng)畫(huà)方面的方法是在計算機上生成三維的人臉來(lái)表達人的運動(dòng)、姿態(tài)和表情。這種動(dòng)畫(huà)的人臉可以在不同的環(huán)境下應用和發(fā)展為虛擬現實(shí)，這在生物醫學(xué)方面可從生物圖層或切片來(lái)重構人體器官組織，并將其用于病理分析。而三維人臉識別是極具挑戰性的課題，如在技術(shù)上有所突破，將具有很強的創(chuàng )新性和應用價(jià)值。